Training dynamically balanced excitatory-inhibitory networks
神经回路的生物学合理模型的构建对于理解神经系统的计算特性至关重要。构建由遵守戴尔定律的独立兴奋性和抑制性神经元组成的功能网络提出了许多挑战。我们展示了如何基于目标的方法,结合快速在线约束优化技术,是能够建立功能模型的速率和尖峰循环神经网络中的激励和抑制是平衡的。平衡网络可以被训练成产生复杂的时间模式,并解决输入输出任务,同时保留生物学上理想的特征,如戴尔定律和反应变异性。
2018-12-29 cond-mat.dis-nn cs.NE q-bio.NC
Highly connected neurons spike less frequently in balanced networks
许多生物神经元网络表现出高度可变的尖峰活动。平衡网络提供了这种可变性的简约模型。在平衡网络中,强兴奋性突触输入平均被强抑制性输入抵消,并且尖峰活动由这种平衡的瞬时中断驱动。大多数以前的平衡网络的研究假设一个同质或距离依赖的连接结构,但在生物皮层网络的连接是更加复杂。我们使用平衡网络的异质平均场理论来证明异质入度可以打破平衡,但可以通过与入度相关的异质出度来恢复平衡。在所有考虑的例子中,我们发现高度连接的神经元尖峰频率较低,与最近的实验观察一致。
2016-01-19 q-bio.NC
Robust entropy requires strong and balanced excitatory and inhibitory synapses
人们普遍认识到,良好平衡的兴奋和抑制对于神经网络中的适当功能是必要的。然而,原则上,这种平衡可以通过兴奋性和抑制性强度的许多可能的配置以及兴奋性和抑制性神经元的相对数量来实现。例如,一个给定的兴奋水平可以通过许多具有弱突触的抑制性神经元或少数具有强突触的抑制性神经元来平衡。在一系列不同但平衡的构型中,为什么会有任何特定的构型受到青睐?在这里,我们解决这个问题的网络动力学的熵的背景下,通过研究一个易于分析的二进制神经元网络。我们发现,熵是最高的激发主导和抑制主导制度之间的边界。熵也沿着这个边界变化,在高熵和鲁棒熵之间进行权衡:弱突触强度产生对参数变化脆弱的高网络熵,而强突触强度产生较低但更鲁棒的网络熵。在抑制性和兴奋性突触被限制为具有相似强度的情况下,我们发现,一个小的,但非零的抑制性神经元的分数,如在哺乳动物皮层中看到的,结果在鲁棒性和相对较高的熵。
2018-04-14 cond-mat.dis-nn q-bio.NC
Dynamical Entropy Production in Spiking Neuron Networks in the Balanced State
我们证明了确定性广泛的混乱在大型稀疏网络的theta神经元的平衡状态的动力学。分析是基于数值精确计算的全谱的李雅普诺夫指数,熵产生率和吸引子维数。广泛的混沌被发现在抑制性网络,并变得更加激烈时,兴奋人口。我们发现一个惊人的高熵产生率,将限制信息表示在皮层尖峰模式的即时刺激反应。
2010-12-10 cond-mat.dis-nn nlin.CD q-bio.NC
Hopf Bifurcation in Mean Field Explains Critical Avalanches in Excitation-Inhibition Balanced Neuronal Networks: A Mechanism for Multiscale Variability
皮层神经回路在单个神经元中显示出高度不规则的尖峰,但在群体水平上显示出大规模的集体放电、振荡和临界雪崩,所有这些都对信息处理具有重要的功能。理论上,兴奋和抑制输入的平衡被认为是解释尖峰不规则性和临界雪崩可能源于潜在的相变。然而,这些多层次的动态方面的神经回路的理论和解仍然是一个悬而未决的问题。在这里,我们研究兴奋-抑制(E-I)平衡的神经元网络与生物现实的突触动力学。它可以保持不规则的尖峰动态与不同水平的同步和临界雪崩附近出现的同步过渡点。我们提出了一种新的半解析平均场论来推导控制网络宏观动力学的场方程。结果表明,网络的E-I平衡态表现为不规则的个体尖峰,具有宏观稳定态的特征,宏观稳定态可以是不动点,也可以是周期运动,其跃迁由宏观场中的Hopf分岔预测.此外,通过对公开数据的分析,我们发现在离体小鼠脑片的自发发放活动中,不规则发放和临界雪崩共存,表明了所观察到的现象的普遍性。我们的理论揭示了允许复杂的神经活动在不同的时空尺度共存的机制,并阐明了神经系统的临界性的可能起源。这也为分析E-I平衡网络的宏观动力学及其与微观对应物的关系提供了一种新的工具,这对于大规模的皮层动力学建模和计算是有用的。
2020-07-04 cond-mat.dis-nn q-bio.NC
Coherent oscillations in balanced neural networks driven by endogenous fluctuations
本文分析了稀疏连接的QIF平衡神经网络的动力学机制,通过自洽福克-普朗克方程平均场模型与低维降阶,揭示了系统在异步与周期振荡间的转变,并验证了模型对同质和异质网络中相干振荡涌现的准确捕捉。
2021-10-18 cond-mat.dis-nn q-bio.NC
Synaptic Plasticity in Correlated Balanced Networks
局部皮层网络的动态是不规则的,但相关的。动态兴奋-抑制平衡是产生这种不规则活动的合理机制,但目前仍不清楚如何在可塑性神经网络中实现和维持平衡。特别是,还没有完全理解可塑性引起的网络变化如何影响平衡,以及相关的平衡活动如何影响学习。在不同的可塑性规则下,平衡网络的动力学是如何变化的?循环网络中的相关尖峰活动如何改变权重的演变,它们的最终大小和整个网络的结构?为了解决这些问题,我们开发了一个一般理论的可塑性平衡网络。我们表明,在塑性引起的重量变化下,可以达到并保持平衡。我们发现,在输入的相关性温和,但显着影响突触权重的演变。在一定的可塑性规则下,我们发现放电率和突触权重之间的相关性。在这些规则下,突触权重收敛到权重空间中的稳定流形,其最终配置取决于网络的初始状态。最后,我们证明了我们的框架也可以描述当神经元子集接收有针对性的光遗传学输入时塑性平衡网络的动力学。
2020-04-26 q-bio.NC
Emergence of a Balanced Core through Dynamical Competition in Heterogeneous Neuronal Networks
兴奋和抑制之间的平衡对于神经元计算至关重要。在许多实验中观察到神经元网络的平衡状态,但其内在机制仍有待充分阐明。对平衡态的理论研究主要集中在对均匀Erd $\ddot{\text{o}}$ s-Rényi网络的分析上。然而,已经发现在许多皮层区域中的神经元网络是不均匀的。特别是,神经元网络的连接可以是无标度的、小世界的,甚至是具有特定基序的。在这项工作中,我们研究的问题,是否平衡状态是普遍的网络拓扑结构和平衡状态具有什么样的特点,在非均匀网络,如无标度和小世界网络。我们发现,对于稀疏但强连接的非均匀网络,尽管整个网络接收外部输入,但其中固有地嵌入了一个小的活动子网络(活动核),该活动核中的神经元具有相对较高的放电率,而网络其余部分中的神经元处于静止状态。令人惊讶的是,活性核心具有平衡状态,并且这种状态独立于单神经元动力学模型。在平均场假设下,用福克-普朗克方程可以很好地预测活动核的动力学。我们的研究结果表明,在不均匀的网络连接的存在下,平衡状态可能是普遍存在于大脑中,和网络连接的活动核心是本质上接近Erd $\ddot{\text{o}}$ s-Rényi结构。嵌入在大网络中的小活性核的存在可以提供神经元网络中稀疏编码的潜在动力学场景。
2017-10-14 q-bio.NC
Balanced condition in networks leads to Weibull statistics
大脑中抑制性和兴奋性耦合平衡的重要性已经越来越多地被认识到。尽管兴奋性-兴奋性耦合在大脑网络的功能中发挥着关键作用,但平衡条件对底层网络稳定性的影响在很大程度上仍然是未知的。我们研究了具有这种耦合的网络的最大特征值的性质,发现它们在平衡情况下遵循完全不同的统计。基于数值模拟,我们证明了从威布尔到Fréchet的过渡通过Gumbel分布可以控制的方差的列和的邻接矩阵,这单调依赖于底层网络的稠密性。作为一个平衡的条件下,最大的实部的特征值模拟过渡到广义极值统计,独立的抑制连接概率。此外,过渡到威布尔统计和小世界过渡发生在相同的重新布线概率,反映了一个更稳定的系统。
2013-11-27 cond-mat.dis-nn nlin.AO physics.soc-ph
Predictive coding in balanced neural networks with noise, chaos and delays
生物神经网络面临着一项艰巨的任务:面对单个神经元内在的随机性、不精确的突触连接性和不可忽略的突触传输延迟,进行可靠的计算。对抗这种生物异质性的常见方法涉及对$N$神经元的大冗余网络进行平均,导致编码错误,其经典地减少为$1/\sqrt{N}$。最近的工作证明了一种新的机制,周期性尖峰网络可以有效地编码动态刺激,实现了超经典的缩放,其中编码错误减少为$1/N$。这种特定的机制涉及两个关键思想:预测编码,以及强前馈输入和强循环反馈之间的紧平衡或抵消。然而,平衡预测编码的功效及其对噪声、突触权重异质性和通信延迟的鲁棒性的理论原理仍然知之甚少。为了发现这样的原则,我们引入了一个易于分析的平衡预测编码模型,其中的平衡程度和权重混乱的程度可以分离,不像以前的平衡网络模型,我们开发了一个平均场理论的编码精度。总的来说,我们的工作提供并解决了一个通用的理论框架,用于解剖神经噪声,突触紊乱,混沌,突触延迟和平衡对预测神经代码保真度的差异贡献,揭示了平衡在实现超经典缩放中发挥的根本作用,并统一了理论神经科学中以前不同的模型。
2020-06-25 cond-mat.dis-nn q-bio.NC stat.ML
Ubiquity of collective irregular dynamics in balanced networks of spiking neurons
我们重新审视了尖峰中子网络中平衡活动的原型模型的动力学。固定密度的连接(大规模耦合)的热力学极限的详细调查表明,当抑制盛行,渐近制度不是异步的,而是其特征在于一个自我维持的不规则的,宏观(集体)动态。只要连通性是巨大的,这种机制就存在于许多不同的设置中:泄漏和二次积分-激发神经元;大和小的耦合强度;弱和强的外部电流。
2018-08-09 cond-mat.dis-nn nlin.AO nlin.CD
Input correlations impede suppression of chaos and learning in balanced rate networks
Zuckerman Mind, Brain, Behavior Institute, Columbia University(哥伦比亚大学祖克曼心智、大脑与行为研究所);The Abdus Salam International Centre for Theoretical Physics(阿卜杜勒·萨拉姆国际理论物理中心);Institute of Genetics, University of Bonn(波恩大学遗传学研究所)
神经回路表现出复杂的活动模式,既有自发的,也有由外部刺激引起的。神经回路中的信息编码和学习取决于时变刺激对自发网络活动的控制程度。我们表明,在平衡状态下的发射率网络,外部控制的经常性动态,即,内部产生的混沌可变性的抑制强烈地依赖于输入中的相关性。平衡网络的一个独特之处在于,由于共同的外部输入被递归反馈动态地抵消,因此,通过每个神经元的独立输入比通过共同输入更容易抑制混沌。为了研究这一现象,我们开发了一个非平稳动态平均场理论,确定如何活动统计和最大李雅普诺夫指数依赖于频率和振幅的输入,经常性耦合强度,和网络的大小,共同和独立的输入。我们还表明,不相关的输入有利于学习平衡网络。
2022-01-24 cond-mat.dis-nn cs.LG nlin.CD
Empirical scaling laws in balanced networks with conductance-based synapses
Babson College(巴布森学院);Boston University(波士顿大学);University of Notre Dame(圣母大学)
研究通过计算机模拟显示,基于电导的突触和尖峰时间相关性结合可产生更真实的膜电位变异性,证明更真实的建模假设能提升动态真实性。
2026-05-12 q-bio.NC
Minimax Dynamics of Optimally Balanced Spiking Networks of Excitatory and Inhibitory Neurons
兴奋-抑制(E-I)平衡在大脑皮层中普遍存在。最近的研究表明,在快速时间尺度上的平衡、紧平衡和有效的尖峰信息编码之间存在有趣的联系。我们通过采取原则性的方法来优化兴奋性(E)和抑制性(I)神经元的平衡网络,进一步加强了这种联系。通过推导E-I尖峰神经网络从贪婪的尖峰为基础的优化约束极大极小目标,我们表明,紧平衡产生的偏差从极大极小最优校正。我们通过解决极大极小问题来预测网络中特定的神经元放电率,超越了平衡网络的统计理论。最后,我们设计了极大极小的目标重建的输入信号,联想记忆和存储的流形吸引子,并从他们的E-I网络进行计算。总的来说,我们提出了一种新的规范建模方法尖峰E-I网络,超越了广泛使用的能量最小化网络,违反戴尔定律。我们的网络可用于模拟皮层电路和计算。
2021-04-30 q-bio.NC
Information capacity and transmission are maximized in balanced cortical networks with neuronal avalanches
皮层网络可以产生的神经活动模式的库限制了网络传输和处理信息的能力。在这里,我们测量的活动模式获得的多站点局部场电位(LFP)记录在皮层文化,氨基甲酸乙酯麻醉大鼠,清醒的猕猴。首先,我们量化的信息容量的模式剧目的持续和刺激诱发的活动使用香农熵。接下来,我们用互信息量化了刺激和反应之间的信息传递效率。通过系统地改变兴奋/抑制(E/I)在体外和网络模型中的比例,我们发现,在一个特定的中间E/I的信息容量和信息传输是最大化的,在这个中间E/I,正在进行的活动出现神经元雪崩。接下来,我们使用我们的体外和模型结果来正确预测体内信息容量和正在进行的活动中神经元组之间的相互作用。我们的实验和模型之间的密切协议表明,神经元雪崩和峰值信息容量的出现是由于临界性,是具有平衡的E/I的皮层网络的一般属性。
2010-12-16 cond-mat.dis-nn physics.bio-ph q-bio.NC
Balanced Information Storage and Transfer in Modular Spiking Neural Networks
虽然复杂系统中的信息处理可以用抽象的、一般的术语来描述,但在某些情况下,这些计算与底层系统的物理基础之间的关系本身也是令人感兴趣的。显然,大脑就是这样一个例子。为了研究生物神经系统中的信息与动力学之间的关系,我们研究了具有不同耦合结构的脉冲神经元模型网络,并探讨了其信息、动力学和拓扑性质之间的关系。我们发现,信息传输和存储的峰值在两个不同的点为不同的值的耦合参数,并在一个中间点平衡。在这种配置中,网络中的雪崩遵循长尾幂律分布。此外,此时的雪崩统计再现了生物大脑中的经验发现。
2017-08-15 q-bio.NC
Low dimensional dynamics of a sparse balanced synaptic network of quadratic integrate-and-fire neurons
Institute of Continuous Media Mechanics, UB RAS(连续介质力学研究所,乌拉尔分支,俄罗斯科学院);Perm State University(彼尔姆国立大学)
针对二次积分放电神经元稀疏平衡网络中扩散近似失效的问题,提出基于圆形累积量的双累积量低维约简模型,数值验证其在扩散近似不适用区域仍准确,可用于平衡神经网络理论研究。
2025-10-30 cond-mat.dis-nn cond-mat.stat-mech q-bio.NC
Auditory steady-state response and gamma oscillations in an excitatory-inhibitory balanced neuronal network
Xi'an University of Architecture and Technology(西安建筑科技大学);PLA General Hospital of Central Theater Command(中部战区总医院)
本研究提出了一种整合语音信号输入和耳蜗处理的神经网络模型,揭示了噪声对听觉稳态反应的影响,并展示了增强E-I平衡对提高听觉注意力的作用。
2025-10-13 q-bio.NC
Symmetries constrain dynamics in a family of balanced neural networks
我们研究了一个随机发射率的神经网络家族,在这个网络中,我们执行了戴尔定律的神经生物学约束-每个神经元对其突触后靶点进行兴奋性或抑制性连接。我们发现,这个受约束的系统可以被描述为一个系统的扰动与非平凡的对称性。利用等变分歧理论对对称系统进行了分析,证明了在扰动系统中仍然存在明显的隐式结构。相比之下,网络耦合矩阵的谱特性相对没有关于约束系统的行为的信息。
2016-09-24 q-bio.NC
Collective irregular dynamics in balanced networks of leaky integrate-and-fire neurons
我们广泛探索网络的弱不平衡,泄漏集成和消防(LIF)神经元不同的耦合强度,连接,并通过不同程度的耐火性,以及在尖峰传输的延迟。我们发现,神经网络不仅表现出微观(单神经元)的随机演化,但也集体不规则动力学(CID)。我们的分析是基于一个合适的序参量的计算,通常用于表征同步现象和详细的缩放分析(即不同的网络大小的模拟)。因此,我们可以得出结论,CID是一个真正的热力学阶段,本质上不同于标准的异步制度。
2018-08-09 cond-mat.dis-nn nlin.AO nlin.CD
Response variability in balanced cortical networks
研究了具有动态平衡的兴奋和抑制网络中神经元的锋电位统计特性。我们的模型,旨在代表一个通用的皮质柱,包括随机连接的兴奋性和抑制性泄漏整合和消防神经元,驱动兴奋性输入从外部人口。高连通性允许平均场描述,其中突触电流可以被视为高斯噪声,其平均值和自相关函数是自洽地从单个模型神经元的放电统计计算的。在这个描述中,我们发现,脉冲序列的不规则性主要是由突触的强度相对于发射阈值和发射后的复位水平的膜电位之间的差异控制。对于中等强度的突触,我们发现尖峰统计非常类似于那些观察到的初级视觉皮层。
2004-02-10 q-bio.NC
Balanced Excitation and Inhibition are Required for High-Capacity, Noise-Robust Neuronal Selectivity
Columbia University(哥伦比亚大学);Edmond and Lily Safra Center for Brain Sciences(埃德蒙和莉莉·萨弗拉脑科学中心);Racah Institute of Physics(拉卡物理研究所);The Hebrew University of Jerusalem(耶路撒冷希伯来大学);Center for Brain Science(脑科学中心);Harvard University(哈佛大学)
大脑皮层中的神经元和网络必须在多种噪声源的情况下可靠地运行。为了评估输入和输出噪声的影响,我们确定了单神经元刺激选择性反应的鲁棒性,以及执行记忆任务的神经元网络的吸引子状态的鲁棒性。我们发现,输出噪声的鲁棒性要求突触连接处于平衡状态,其中兴奋和抑制都很强,并且在很大程度上相互抵消。我们评估了这种制度存在所需的条件,并确定在其中运行的网络的属性。一个合理的突触可塑性规则的学习,平衡权重配置。我们的理论预测的兴奋性和抑制性突触的数量最大化的编码能力的平衡网络的传入激活的一个给定的统计的最佳比例。以前的工作表明,平衡的网络放大时空变异性,并占观察到的异步不规则状态。在这里,我们提出了一种新型的平衡网络,它放大了撞击信号中的微小变化,并从学习中自动出现,以鲁棒地执行神经元和网络功能。
2017-05-03 cond-mat.dis-nn cs.LG cs.NE
Self-organized critical balanced networks: a unified framework
异步不规则(AI)和临界状态是两个相互竞争的框架提出来解释自发神经元活动。在这里,我们提出了一个简单的随机神经元的平均场模型,推广了Brunel(2000)的积分和点火网络。我们发现,平衡的抑制/兴奋突触的重量比$g_c \approx 4$点对应于二阶吸收相变通常在自组织临界(SOC)模型。在突触平衡点$g_c$,网络表现出幂律神经元雪崩与通常的指数,而非零的外部场的系统显示四个通常的同步性状态的平衡网络。我们增加稳态抑制和放电率适应,并获得一个自组织的准临界平衡状态与雪崩和AI样活动。我们的模型可以解释为什么在不同的实验条件下和不同的大脑区域获得不同的抑制水平,因为至少有两个动力学机制是必要的,以获得一个真正的平衡状态,没有它的网络可能会徘徊在不同的区域提出的理论相图。
2019-06-13 nlin.AO nlin.CD physics.bio-ph
An Analytically Solvable Model of Firing Rate Heterogeneity in Balanced State Networks
针对皮层回路放电率分布缺乏数学可处理性的问题,基于 Gauss-Rice 神经元模型提出一种可精确计算放电率分布的平衡态皮层回路模型,支持多群体与多突触受体,为理解单神经元及突触特性对放电率分布的影响奠定基础。
2024-12-19 q-bio.NC
Nonnormal amplification in random balanced neuronal networks
在皮层网络的动力学模型中,递归连接可以以两种不同的方式放大网络的输入。一种是由连接矩阵W中的近临界本征值的存在引起的,沿着相应的本征向量产生大但缓慢的活性波动(动力学减慢)。另一个依赖于W是非正态的,这使得网络活动沿着特定方向进行大而快的偏移。在这里,我们调查的权衡之间的非正常放大和动态放缓的自发活动的大型随机神经元网络的兴奋性和抑制性神经元。我们使用W的舒尔分解来分离两种放大机制。假设线性随机动力学,我们推导出一个精确的表达式的预期量的纯非正常放大。我们发现,放大是非常有限的,如果动力学慢必须保持弱。我们的结论是,要实现强大的瞬态放大,几乎没有放缓,连接必须结构化。我们表明,同一类型的神经元之间的单向连接与不同类型的神经元之间的相互连接,允许放大已经在快速的动力学制度。最后,我们的研究结果还揭示了抑制完全抵消兴奋的平衡网络与抑制占主导地位的平衡网络之间的差异。
2012-04-13 q-bio.NC
Learning arbitrary dynamics in efficient, balanced spiking networks using local plasticity rules
了解递归神经回路如何学习实现动力系统是神经科学的一个基本挑战。信用分配问题,即确定每个突触对网络全局输出误差的局部贡献,是推导生物学上合理的局部学习规则的主要障碍。此外,实现这些任务的尖峰循环网络在神经元和尖峰的数量方面不应该是非常昂贵的,因为它们通常是从速率模型中调整而来的。最后,这些网络应该对噪声和神经死亡具有鲁棒性,以便在面对这种自然发生的扰动时维持这些表示。我们解决这个问题的融合理论的有效,平衡尖峰网络(EBN)与非线性自适应控制理论。通过将其自身的误差反馈到网络中来确保局部学习规则,从而产生仅依赖于突触前输入和突触后反馈的突触可塑性规则。网络的尖峰效率和鲁棒性是通过保持紧密的兴奋/抑制平衡来保证的,确保每个尖峰代表全局输出误差的局部投影并最小化损失函数。由此产生的网络可以学习实现复杂的动力学与非常少量的神经元和尖峰,表现出相同的脉冲序列的变化,实验观察,是非常强大的噪声和神经元的损失。
2017-08-05 q-bio.NC
Regime Mapping of Oscillatory States in Balanced Spiking Networks with Multiple Time Scales
Graduate Institute of Networking and Multimedia, National Taiwan University(台湾大学网际多媒体研究所);Graduate Institute of Vehicle Engineering, National Changhua University of Education(国立彰化师范大学车辆工程研究所)
研究通过系统分析突触衰减、传导延迟和突触可塑性率如何共同塑造递归泄漏积分-微分网络中的振荡状态,揭示了参数对振荡区域和频谱显著性的影响。
2026-04-06 cs.NE q-bio.NC
Emergence of irregular activity in networks of strongly coupled conductance-based neurons
皮质神经元的特征是不规则的放电和广泛的频率分布。平衡状态模型解释了这些观察与平均兴奋性和抑制性电流的取消,这使得波动驱动放电。在具有基于电流的突触的神经元网络中,如果耦合很强,即如果每个神经元的突触的平均数量$K$很大并且突触功效是$1/\sqrt{K}$级,则平衡状态动态地出现。当突触基于电导时,当耦合很强时,电流波动会被抑制,这就质疑了平衡状态思想对生物神经网络的适用性。我们分析网络的强耦合电导为基础的神经元,并表明,异步不规则的活动和广泛的分布率出现,如果突触的顺序$1/\log(K)$。在这样的网络中,与标准的平衡状态模型不同,电流波动很小,并且通过漂移扩散平衡来维持放电。这种平衡出现动态,没有微调,如果输入小于一个临界值,这取决于突触的时间常数和耦合强度,是显着更强大的连接异质性比经典的平衡状态模型。我们的分析使实验可测试的预测网络响应属性应如何演变为输入的增加。
2020-10-13 physics.bio-ph q-bio.NC
Structured chaos shapes spike-response noise entropy in balanced neural networks
稀疏耦合的兴奋性和抑制性细胞的大型网络遍布整个大脑。这些网络的一个显著特征是它们是混沌的。这种混乱是如何在神经代码中表现出来的?具体来说,这种网络响应输入信号产生的尖峰模式有多可变?为了回答这个问题,我们推导出一个边界的熵的多细胞尖峰模式分布在大型经常性网络的尖峰神经元响应波动的输入。分析是基于随机动力系统理论的结果,并辅以详细的数值模拟。我们发现,尖峰模式熵是一个数量级低于从单细胞外推。尽管随着网络规模的增长,网络耦合变得越来越稀疏--这种现象取决于“广泛的混沌”,正如以前在没有刺激驱动的平衡网络中发现的那样。此外,我们还展示了尖峰模式熵是如何由输入的时间特征控制的。我们的发现提供了对神经网络如何在固有混沌动力学存在的情况下编码刺激的深入了解。
2014-02-22 math.DS nlin.CD physics.bio-ph
The Hydrodynamic Limit of Neural Networks with Balanced Excitation and Inhibition
本文研究了平衡全连接神经网络的流体动力学极限,证明了在兴奋与抑制相互作用下,系统在渐近无穷大时不会爆炸,且极限种群动力学为高斯分布,可由自治常微分方程描述。
2024-12-23 math-ph math.MP math.PR
Chaos and reliability in balanced spiking networks with temporal drive
生物信息处理通常是由相互连接的动态单元组成的复杂网络来完成的。关于这种网络的一个基本问题是可靠性:如果相同的信号在不同的初始状态下多次出现,系统会以可重复的方式携带信号吗?可靠性在神经科学中特别重要,因为神经科学中兴奋性和抑制性细胞的大型复杂网络无处不在。众所周知,这些网络会自动产生强烈的混沌动力学--这对可靠性构成了明显的威胁。在这里,我们表明,这种混乱持续存在的弱和强的刺激,但即使在混乱的存在下,间歇期的高度可靠的尖峰往往与不可靠的活动共存。我们阐明了这种间歇性的可靠性所涉及的本地动力机制,并探讨这种现象和某些时间依赖的吸引子所产生的动态之间的关系。一个结论是,混沌动力学不一定是一个障碍,精确的尖峰响应,一个事实与大型网络中的信号编码的影响。
2013-04-10 math.DS nlin.CD q-bio.NC